随着电子政务的发展与推广,越来越多的政务文件以电子文档的形式存在。政务大数据与人工智能结合的工作方式一定程度上提高了工作效率,但在保密定密工作特殊领域中,因为制度不完善等问题,保密定密方式太落后,容易造成涉密信息泄露的问题。定密是保密工作的源头任务,因此科学严谨的定密方式也决定了保密定密工作质量,体现了对于国家安全的重要性。传统的定密方式大多是人工基于关键词以及规则定密完成,这也造成了定密方式不严谨,定密效率低的问题。为了解决传统定密方式的不足点,本文针对文本分类关键技术展开研究,重点研究了文本表示,文档分类模型以及迁移学习。本文针对计算机辅助定密关键技术研究主要做了以下三方面工作。一、根据计算机辅助定密任务特点,提出改进的Textrank算法的计算机辅助定密方法。根据定密任务特性,构造基于词性的加权句向量,提升名词词性在句中的语义表达能力;改进Textrank算法的迭代计算以及权值矩阵计算方式,把定密细则纳入Textrank算法迭代过程中,获取在定密细则影响下的文档语句重要性,并定义文档密级分数与密级关联度判断文档密级。通过实验对比传统基于关键词的辅助定密方式,该方法在准确率和召回率上有所提升。二、提出基于迁移学习的计算机辅助定密方法。根据定密任务样本集小,与通用文本语料库的表示特征相同的特点,采用中文大规模预训练Bert网络模型,通过迁移学习的方式迁移深度预训练网络,提高辅助定密分类任务中文本特征提取以及文本表示的质量,将源网络模型的特征表达层直接与目标BP神经分类网络进行连接,达到提升计算机辅助定密任务效率的目标。通过在公开数据集进行实验,表明迁移学习对于小样本集的分类任务在准确率上有所提升。三、设计计算机辅助定密系统框架。介绍了系统设计原则,并基于以上两个文档定密方式,设计了辅助定密模块与样本文档管理模块并详细描述了辅助定密模块的工作流程。